cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Junaidi
Contact Email
agus.asj@bsi.ac.id
Phone
+6221231170
Journal Mail Official
jurnal.insan@bsi.ac.id
Editorial Address
Jl. Kramat Raya No 98, Senen
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Insan
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 27771385     DOI : https://doi.org/10.31294/jinsan
Core Subject : Science,
Computer Science & IT
Jurnal INSAN (Journal of Information System Management Innovation) merupakan jurnal yang diterbitkan oleh Program Studi Sistem Informasi Universitas Bina Sarana Informatika. Jurnal INSAN terbit 2 kali setahun (Juni dan Desember) dalam bentuk elektronik. Jurnal INSAN (Journal of Information System Management Innovation) pertama publikasi tahun 2021 dengan ISSN (Elektronik) No 2777-1385 dari Lembaga Ilmu Pengetahuan Indonesia. Redaksi menerima naskah berupa artikel ilmiah dan penelitian pada bidang: 1. Bidang Sistem Terintegrasi (Integration System) 2. Bidang Penunjang Keputusan (Decision Support System) 3. Bidang Sistem Pakar(Artificial Intelegent) dan Data Science 4.Bidang Technopreneur(E-Business).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 94 Documents
 6   7   8   9   10 
Pengembangan Sistem Informasi Keuangan Sekolah Berbasis Web dengan Model Rapid Application Development Brawijaya, Herlambang; Rahmawati, Eva
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.9731

Abstract

Pengelolaan keuangan sekolah yang efektif penting untuk menjaga transparansi dan akuntabilitas penggunaan dana. Banyak sekolah, khususnya tingkat SMP, masih menggunakan pencatatan manual sehingga rentan terhadap kesalahan, keterlambatan laporan, dan sulit memantau arus kas secara real-time. Penelitian ini bertujuan merancang Sistem Informasi Pengelolaan Keuangan Berbasis Web guna membantu pencatatan pemasukan, pengeluaran, dan pembuatan laporan secara cepat dan akurat. Metode pengembangan yang digunakan adalah Rapid Application Development (RAD) melalui tahapan requirements planning, user design, constructuon, dan cutover. Hasil pengujian menunjukkan sistem mampu mengelola data keuangan dengan baik dan menghasilkan laporan otomatis, serta memudahkan akses informasi bagi bendahara dan kepala sekolah. Kesimpulannya, metode RAD dapat mempercepat pengembangan dan menghasilkan aplikasi yang sesuai kebutuhan pengguna.
Analisis Sistem Informasi Aplikasi Shopee Menggunakan Metode Pieces Santika, Ega; Puspita Sari, Eka
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.9908

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja sistem informasi aplikasi Shopee dengan pendekatan metode PIECES (Performance, Information, Economy, Control, Efficiency, dan Service). Shopee dipilih karena merupakan salah satu platform e-commerce terbesar di Indonesia yang sangat bergantung pada kualitas sistem informasi untuk mendukung layanan pengguna. Data penelitian dikumpulkan melalui kuesioner berbasis skala Likert yang disebarkan kepada 100 responden pengguna aktif aplikasi Shopee. Analisis dilakukan menggunakan perangkat lunak SPSS melalui uji validitas, reliabilitas, uji t, uji F, serta regresi linier berganda. Hasil penelitian menunjukkan bahwa secara simultan, seluruh dimensi PIECES berpengaruh signifikan terhadap kinerja sistem, dengan nilai F-hitung 68,609 > F-tabel 2,311 dan signifikansi < 0,001. Secara parsial, variabel Economy (X2), Control (X3), dan Service (X5) berpengaruh signifikan, sedangkan Information (X1) dan Efficiency (X4) tidak signifikan. Penelitian ini menegaskan pentingnya aspek biaya, keamanan, dan pelayanan dalam meningkatkan kinerja aplikasi Shopee.
Penerapan Metode Algoritma XGBoost untuk Prediksi Risiko Penyakit Jantung Adani, Fadia Izni; Amalia, Hilda
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.10000

Abstract

Abstrak - Penyakit jantung masih menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia, sehingga deteksi dini terhadap faktor risikonya menjadi sangat penting untuk menekan angka kematian dan meningkatkan kualitas hidup pasien. Penelitian ini menerapkan algoritma XGBoost untuk membangun model prediksi risiko penyakit jantung menggunakan dataset cardio_train.csv dari Kaggle, yang berisi data kesehatan pasien meliputi usia, jenis kelamin, tekanan darah, kolesterol, serta variabel lain yang relevan. Tahapan penelitian meliputi pra-pemrosesan data, pelatihan model, evaluasi performa menggunakan metrik akurasi dan AUC, serta analisis feature importance. Hasil menunjukkan bahwa model XGBoost mampu mencapai precision sebesar 0,72, recall sebesar 0,77, F1-score sebesar 0,74, akurasi sebesar 73%, serta nilai AUC sebesar 0,795, yang menandakan kemampuan klasifikasi yang cukup baik. Fitur-fitur seperti tekanan darah sistolik (ap_hi), usia (age), dan kolesterol merupakan faktor dominan dalam proses prediksi. Dengan hasil ini, XGBoost dapat direkomendasikan sebagai metode dalam pengembangan sistem pendukung keputusan untuk deteksi dini penyakit jantung secara otomatis.
Prototipe Chatbot Terapi Kognitif Perilaku (CBT): TemanBatin Berbasis UX untuk Mendukung Kesehatan Mental Gen Z Sastra, Ricki; Watmah, Sri; Putri, Destiana; Aditama, Krisna; Ristiyanto, Nur
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11073

Abstract

Penelitian ini berfokus pada perancangan dan pengembangan TemanBatin, sebuah prototipe chatbot yang dirancang khusus untuk intervensi kesehatan mental Generasi Z (Gen Z) melalui penerapan Cognitive Behavioral Therapy (CBT). Gen Z menghadapi tantangan kesehatan mental yang signifikan, namun seringkali terhambat oleh stigma, biaya, dan aksesibilitas layanan terapi tradisional. Tujuan utama dari penelitian ini adalah menciptakan solusi digital yang mudah dijangkau dan efektif, dengan menekankan pada kualitas pengalaman pengguna (User Experience atau UX). Pendekatan yang diadopsi adalah Research and Development (R&D) dalam kerangka rekayasa perangkat lunak. Tahapan penelitian meliputi studi literatur ekstensif tentang efektivitas CBT digital, analisis kebutuhan spesifik Gen Z, serta perancangan prototipe yang mengintegrasikan alur percakapan yang empatik dan personalisasi konten terapi. Untuk memvalidasi kualitas interaksi dan desain, evaluasi usability prototipe dilakukan secara ketat menggunakan metode System Usability Scale (SUS). SUS digunakan untuk mengukur tingkat ketergunaan dan penerimaan sistem oleh calon pengguna, dengan ekspektasi hasil skor yang berada dalam kategori "Good" hingga "Excellent" (di atas 75). Selain itu, prototipe dirancang untuk dapat diuji efektivitas klinisnya di masa mendatang menggunakan instrumen baku seperti PHQ-9 dan GAD-7. Diharapkan TemanBatin dapat menjadi dasar bagi pengembangan aplikasi mobile yang berkontribusi pada pencegahan dan penanganan dini isu kesehatan mental di Indonesia, dengan menjaga aspek etika dan privasi data pengguna.
Analisa Komparasi Kinerja Model Logistic Regression dan Random Forest dalam Memprediksi Risiko Turnover Karyawan Pahlevi, Omar; Yuni Fitriani; Dewi Ayu Nur Wulandari; Handini Widyastuti; Sri Utami; Astriana Mulyani
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11111

Abstract

Turnover karyawan merupakan salah satu nilai tolak ukur bagi keberhasilan suatu perusahaan dalam menjalankan kegiatan bisnisnya. Memprediksi turnover karyawan merupakan kegiatan signifikan yang penting bagi setiap perusahaan yang berkelanjutan, dimana informasi dini tentang status turnover karyawan memungkinkan organisasi untuk mengambil langkah-langkah pencegahan. Pada penelitian ini peneliti akan mengaplikasikan dan membandingkan dua buah model algoritma supervised learning, diantaranya model algoritma Logistic Regression dan Random Forest untuk memprediksi risiko turnover karyawan, kemudian membandingkan mana dari dua model algoritma tersebut yang paling akurat. Berdasarkan hasil pengukuran kinerja kedua model dengan menggunakan metode Confusion Matrix. Berdasarkan hasil penelitian, diketahui bahwa model Logistic Regression memiliki tingkat akurasi sebesar 84,64% serta F1-Score yang baik dengan nilai sebesar 0,89, nilai presisi sebesar 0,82, dan nilai recall sebesar 0,96. Performa model Random Forest memiliki tingkat akurasi sebesar 80,12%, F1-Score sebesar 0,85 menunjukkan keseimbangan antara presisi sebesar 0,80 dan recall dengan nilai 0,92. Hal ini membuktikan bahwa model algoritma Logistic Regression adalah yang paling baik untuk untuk prediksi risiko turnover karyawan.
Klasterisasi Donatur Lembaga Sosial Menggunakan Algoritma K-Means Berbasis RFM Dengan Evaluasi Silhouette dan Davies–Bouldin Anwar, Syaiful; Siahaan, Fernando B.; Handono, Felix Wuryo
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11217

Abstract

Donatur memiliki peran penting dalam mendukung keberlangsungan lembaga sosial, namun banyak organisasi belum memiliki sistem analisis yang efektif untuk memahami perilaku donasi. Penelitian ini bertujuan mengelompokkan donatur Pais Foundation menggunakan algoritma K-Means yang dipadukan dengan model RFM (Recency, Frequency, Monetary). Data primer diperoleh dari website resmi Pais Foundation periode 5 Januari–31 Desember 2024. Tahapan penelitian meliputi pengumpulan, pembersihan, transformasi data ke format RFM, normalisasi dengan metode Z-Score, serta klasterisasi menggunakan perangkat lunak RapidMiner. Jumlah klaster optimal ditentukan dengan metode Davies-Bouldin Index (DBI) dan menghasilkan lima kelompok donatur: Pasif, Sekali, Loyal, Rutin, dan Aktif. Kebaruan penelitian ini terletak pada integrasi RFM dengan algoritma K-Means yang dioptimalkan melalui DBI dalam konteks lembaga sosial di Indonesia. Pendekatan ini jarang diterapkan pada organisasi nirlaba lokal sehingga memberikan kontribusi praktis berupa model segmentasi donatur yang lebih akurat. Hasil penelitian menunjukkan perbedaan karakteristik tiap kelompok dalam hal frekuensi, waktu terakhir donasi, dan jumlah kontribusi. Temuan ini dapat digunakan Pais Foundation untuk merancang strategi penggalangan dana yang lebih efektif dan personal.
Prediksi Risiko Anemia Berdasarkan Gender Menggunakan Algoritma C4.5 Widiarina; Asilsani Silvana; Bambang Junadi
Jurnal INSAN Journal of Information System Management Innovation Vol. 6 No. 1 (2026): Juni 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v6i1.12705

Abstract

Anemia merupakan salah satu masalah kesehatan yang terjadi di berbagai negara dan telah dikenalluas oleh masyarakat. Kondisi ini dapat memberikan dampak yang signifikan terhadap kesehatan individu. Olehkarena itu, diperlukan suatu model prediksi yang mampu mendeteksi risiko anemia secara dini sehingga tindakanpencegahan dapat dilakukan lebih cepat dan tepat. Penelitian ini bertujuan untuk memanfaatkan toolsRapidMiner dalam memprediksi risiko anemia menggunakan metode Decision Tree. Data yang digunakan dalampenelitian ini merupakan data publik yang diperoleh dari Kaggle. Proses preprocessing data, pemodelan, danevaluasi dilakukan menggunakan RapidMiner. Hasil penelitian menunjukkan bahwa model Decision Tree yangdibangun mampu memprediksi risiko anemia dengan tingkat akurasi sebesar 81,66%. Faktor-faktor yang palingberpengaruh dalam prediksi risiko anemia meliputi usia, jenis kelamin, dan status gizi. Di antara faktor-faktortersebut, jenis kelamin (gender) menunjukkan pengaruh yang cukup signifikan terhadap hasil prediksi. Modelyang dihasilkan dapat digunakan sebagai alat bantu untuk mengidentifikasi individu yang memiliki risiko tinggimengalami anemia sehingga dapat dilakukan tindakan pencegahan dan penanganan yang lebih tepat gunamengurangi dampak serta prevalensi anemia.
Analisa Pola Asosiasi Produk Pada Transaksi Penjualan Retail Online Menggunakan Algoritma Apriori Ana Nazmi Aulia; elly mufida; Luci Kanti Rahayu; Eva Rahmawati; Hylenarti Hertyana; Doni Andriansyah
Jurnal INSAN Journal of Information System Management Innovation Vol. 6 No. 1 (2026): Juni 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v6i1.12706

Abstract

Pertumbuhan e-commerce telah menciptakan peluang signifikan bagi sektor ritel online untuk lebih memahami perilaku konsumen. Namun, banyak bisnis masih menghadapi tantangan dalam mengidentifikasi hubungan antar produk yang sering dibeli bersamaan. Studi ini bertujuan untuk mengungkap pola asosiasi produk dalam transaksi penjualan menggunakan algoritma Apriori. Dataset yang digunakan adalah dataset Fashion Retail Sales yang diperoleh dari Kaggle, terdiri dari 3.400 transaksi, dengan 166 transaksi yang digunakan setelah pra-pemrosesan. Metode yang diterapkan adalah penambangan data dengan teknik analisis keranjang belanja menggunakan RapidMiner. Parameter yang digunakan adalah dukungan minimum 0,07% dan kepercayaan minimum 0,5%. Hasil menunjukkan asosiasi signifikan antara Tanktop dan Celana Pendek, serta antara Celana Pendek dan Dompet. Pola-pola ini dapat berfungsi sebagai dasar untuk mengembangkan strategi rekomendasi produk, penggabungan produk, dan penempatan produk yang lebih efektif. Temuan ini penting karena dapat membantu bisnis dalam meningkatkan strategi pemasaran dan meningkatkan pengalaman belanja konsumen di platform ritel online.
Sistem Reservasi Paket Wisata Berbasis Web Menggunakan Metode First Come First Served (FCFS ) Muh Abdul Aziz Nasuha; Moh Muhtarom; Bondan Wahyu Pamekas
Jurnal INSAN Journal of Information System Management Innovation Vol. 6 No. 1 (2026): Juni 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v6i1.12761

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem reservasi wisata dan transportasi berbasis web pada LZGO Holiday guna mengatasi permasalahan proses pemesanan yang belum terintegrasi dan kurang efisien. Metode penelitian yang diterapkan menggunakan pendekatan pengembangan sistem melalui beberapa tahapan, meliputi analisis kebutuhan dan perancangan sistem dengan Unified Modeling Language (UML), implementasi sistem, serta pengujian menggunakan metode blackbox. Sistem yang dikembangkan menyediakan fitur utama seperti registrasi dan login pengguna, pengelolaan paket wisata dan armada bus, proses reservasi, pembayaran online melalui payment gateway, pencetakan e-tiket, serta laporan keuangan. Selain itu, sistem menerapkan metode First Come First Served (FCFS) dalam proses pengelolaan antrean reservasi untuk memastikan pemesanan diproses berdasarkan urutan waktu kedatangan secara adil dan terstruktur. Temuan penelitian ini memperlihatkan bahwa sistem yang dirancang mampu mendukung pengguna dalam melakukan reservasi paket wisata dan layanan transportasi secara daring dengan lebih mudah, mempercepat proses pengelolaan data reservasi, serta mengurangi risiko kesalahan dalam pencatatan transaksi. Berdasarkan hasil pengujian, seluruh 16 skenario uji dinyatakan berhasil dengan persentase keberhasilan sebesar 100%. Hal ini membuktikan bahwa sistem telah berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Oleh karena itu, sistem ini mampu meningkatkan efisiensi layanan, mempermudah akses pengguna, serta mendukung pengelolaan data dan transaksi secara terintegrasi.
Transformasi Data Mutu Dengan Visual Analytics FMEA Sebagai Strategi Reduksi Cacat Pada UMKM Aksesoris Fathul Mubaricky; Sigit Adi Pratama; Miwan Kurniawan Hidayat; Eni Irfiani; Siti Nur Hamidah Nur Hamidah
Jurnal INSAN Journal of Information System Management Innovation Vol. 6 No. 1 (2026): Juni 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v6i1.12775

Abstract

Urgensi penelitian data cacat pada UMKM Kerajinan Aksesoris didasarkan pada tingginya tingkat kegagalan produk, seperti lonjakan angka cacat yang mencapai 4,25% pada awal 2025, yang memicu pembengkakan biaya operasional dan melemahnya daya saing di tengah persaingan global di  era Society 5.0. Penelitian ini sangat penting untuk memutus siklus manajemen "pemadam kebakaran" yang reaktif dan intuitif, dan menggantinya dengan manajemen mutu berbasis data (Kualitas 4.0) yang mampu mendeteksi pola kegagalan secara akurat melalui  kerangka kerja Visual Analytics. Dengan mengubah data mentah menjadi wawasan visual melalui  model 4-Dimensional Bubble Risk Matrix, penelitian ini bertujuan untuk menjembatani keterbatasan literasi digital UMKM melalui penyediaan sistem pendukung keputusan yang interaktif dan mudah ditafsirkan dibandingkan dengan format tabel statis konvensional. Hasil yang diinginkan menurut hipotesis adalah kemampuan untuk mengidentifikasi secara akurat risiko prioritas tertinggi seperti "Instabilitas Tegangan Ikatan" (RPN 448), sehingga strategi mitigasi berupa SOP Visual, pelatihan rutin, dan uji tarik manual dapat diimplementasikan secara efektif untuk mengurangi jumlah cacat sekaligus membangun budaya kualitas digital yang berkelanjutan.

Page 9 of 10 | Total Record : 94

 6   7   8   9   10 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2026): Juni 2026 Vol. 5 No. 2 (2025): Desember 2025 Vol. 5 No. 1 (2025): Juni 2025 Vol. 4 No. 2 (2024): Desember 2024 Vol. 4 No. 1 (2024): Juni 2024 Vol. 3 No. 2 (2023): Desember 2023 Vol. 3 No. 1 (2023): Juni 2023 Vol. 2 No. 2 (2022): Desember 2022 Vol. 2 No. 1 (2022): Juni 2022 Vol. 1 No. 2 (2021): Desember 2021 Vol. 1 No. 1 (2021): Juni 2021 More Issue